PC提案事例

地震の研究解析のため、解析用のマシンを導入したい。
現時点では下記の解析を予定しており、将来的には地熱系のシミュレーションを行う可能性がある。

また、希望するスペックや条件は以下の通り。

使用しているGISは「QGIS」だが、あまり高度な処理は行わない。地図の重ね合わせ程度の作業を予定している。
想定している処理にどの程度のビデオカードが必要なのかわからないが、ローエンド品でも問題ないのではないかと考えている。

ご要望に合わせて、構成をご提案しました。

想定している干渉SAR解析作業ではメモリ容量が32GB以上必要とのことでしたので、倍の64GBを初期容量としています。本構成は追加で64GB増設できますので、最大128GBまでのメモリ容量に対応しています。

GISを利用する場合、ビデオカードにはある程度のスペックが要求される場合があります。
ご利用予定のQGISは高スペックを要求するソフトではなく、ビデオカードも重要視されないため、最低限のカードを追加した構成としています。

ただし、最近のオンボードビデオは数年前のローエンドビデオカード程度の能力があるため、QGISの利用がメインでない場合には、一度オンボードのビデオ出力で利用してみて、処理性能面で厳しいようであればビデオカードの追加を検討するのが良いかと存じます。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

地震動に関する研究を行うためのマシンが欲しい。
大量のデータ学習を高速で実施するため、メモリやGPUを充実させたい。
Pythonで自社開発したコードを用いた処理を行う予定だが、SonyのNeural Network Consoleも補助的な役割で使用する。

マシン導入における条件は以下の通り。

PCに詳しくないため、メモリやGPUの容量やバランスなどに不安がある。
曖昧なイメージしか持っていないが、上記の条件を踏まえて適切な構成を提案して欲しい。

GPUを使用した機械学習では、GPUに搭載されているメモリの容量が重要になります。

メインメモリがGPUメモリ以上に必要なケースは少ない

お客様が自作したPythonコードがマシン本体のメインメモリを重視する場合は例外ですが、GPUを使用した一般的な機械学習では、メインメモリから一旦GPUメモリにデータを移動してから動作します。
そのため、メインメモリがGPUメモリ＋α以上に必要になるケースは少ないです。

ご予算とGPUメモリの条件から、NVIDIA GeforceシリーズをGPUとする方針で検討しました。
ご指定のRTX3090は終息のため、後継のRTX4090としています。ビデオメモリ 24GBに対し、メインメモリは64GBと余裕のあるスペックです。

GPUとCPUの使い分け

また、お客様からは以下のご質問をいただきました。

GPUで学習させた場合はインファレンスもGPUで行うパターンが多いと思われます。[3]についてお客様に確認した結果、インファレンスや推定精度の評価、図化を想定しているとのことでした。
CPUのインファレンスは特殊な機能がなくても可能ですが、処理に大変時間がかかる場合があります。そのため、お使いのインファレンスプログラムが (GPUでいうところのCUDAのように) CPUハード側で用意しているベンダー専用の仕組みを使って組み込まれている可能性がないか、確認をお願いしました。
例えば、IntelのDeep Learning Boostを前提にソフトが組み込まれている場合、この仕組みが実装されているCPUを利用する必要があります。

参考：インテル ディープラーニング・ブースト (インテル DLブースト) ※外部サイトに飛びます

確認・ヒアリングの結果、インファレンス部分はCUDAによるGPU利用での対応であることが確認できたため、CPU側はIntel Deep Learning Boostなどを考慮する必要がないと判断しています。

また、GPUメモリの容量を増やす場合、ビデオカード自体を別の製品に変更する必要があります。
候補としてはRTX A6000 48GBが考えられますが、ご予算内での採用が難しいためRTX4090 24GBを選択している旨をお客様にお伝えし、ご理解をいただきました。ご予算に余裕のあるお客様は、RTX A6000に変更した構成でご案内しますので、お気軽にご相談ください。

検索キーワード
機械学習,地震動,マシン,大量のデータ学習,GPU,Geforce RTX4090,メモリ容量,Python,Sony Neural Network Console,インファレンス
Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming

建造物の耐震性などを検証するために、DIANAやPatranを用いた構造解析を行いたい。
解析時間よりも作業時間の効率化を重要視しており、要素数や接点数が多いモデルでも快適に動作するマシンを導入したい。
予算は60～70万円程度で、現状のマシンスペックは以下の通り。

DIANA FEA社公式サイトに掲載されたハードウェア要件を参考に、ご予算に合わせた構成を検討しました。
参考：CONSIDERATIONS FOR SYSTEMS RUNNING DIANA ※外部サイトに飛びます

公式サイトのハードウェア要件では、計算用ワークステーションの推奨構成としてXeon Wを搭載した構成が掲載されています。この推奨構成は、本件の予算範囲からも丁度よい構成です。弊社からのご提案では、メーカー推奨構成を踏まえつつ、お客様のご要望に合わせてスペックを調整しています。

なお、DIANAはGPGPUに非対応ですのでビデオカードは描画用途のみに利用されます。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

検索キーワード
macromodel,reinforced concrete frame,Retrofitting of RC buildings,RC Infill Walls,Dowels,有限要素解析,Soil-steel,Seismic analysis,Underground structure,Vertical Ground Motion,Near-field effects,Seismic Vulnerability Assessment,Historical Masonry Building,Damage Assessment,Fragility curves
マクロモデル,鉄筋コンクリートフレーム,RC造建物の改修,RC造壁,ダボ,有限要素解析,地盤-鋼,耐震解析,地下構造物,鉛直地動,近接場効果,地震脆弱性評価,歴史的組積造建物,被害評価,脆弱性曲線

合金触媒の研究用途でマシンの新規導入を検討している。最適な構成を提案して欲しい。

ご予算50万円に近い金額で検討した構成を検討し、ご提案しました。

ご提案では、ベンチマークリストに掲載されたCPUよりも新しい世代の製品を採用しているため、より高いスコアを狙えると判断しました。

検索キーワード
反応経路計算,原子・分子スケール構造モデリング,Winmostar利用,QuantumESPRESSO,合金触媒研究,最適構成提案,金属化合物,NEB法,プロピレン,水素,表面電子状態計算,ベンチマークデータ,ハイパフォーマンス計算,分子動力学シミュレーション,量子化学計算,ユニットセル,ワークステーション提案,予算内構成,ミドルタワー筐体,分子モデリングソフトウェア